[发明专利]一种基于神经网络的CT伪影抑制方法、设备以及介质

权利要求书

1.一种用于训练神经网络的方法，包括：

构建主干网络和域分类器；其中，所述主干网络用于对带伪影CT图像进行处理，得到伪影抑制CT图像，所述域分类器用于对所述主干网络的域适应层的输出进行处理，得到对于所述带伪影CT图像所属类别的判别结果，所述域适应层用于提取所述带伪影CT图像的伪影特征，所述类别包括：带仿真伪影的CT图像和带实际伪影的CT图像；

对所述主干网络和所述域分类器进行联合训练，以便基于损失函数对所述主干网络和所述域分类器的参数进行调整；以及

当所述损失函数实现收敛时确定训练完成，将训练得到的所述主干网络作为目标神经网络；

其中，对所述主干网络进行有监督训练，以便基于第一损失函数对所述主干网络的参数进行调整；以及

对所述域适应层和所述域分类器进行对抗训练，以便基于第二损失函数对所述域适应层和所述域分类器的参数进行调整；

所述当所述损失函数实现收敛时确定训练完成包括：当所述第一损失函数和所述第二损失函数实现收敛时，确定训练完成。

2.如权利要求1所述的方法，其中，所述域适应层包括：所述主干网络的前第一预定数量个网络层。

3.如权利要求2所述的方法，其中，所述域分类器包括特征组合层和判别模块，所述域适应层的输出包括：所述域适应层中的第一预定数量个网络层的输出特征；

所述域分类器用于对所述主干网络的域适应层的输出进行处理包括：所述域分类器用于将所述第一预定数量个网络层的输出特征作为输入，利用所述特征组合层对所述第一预定数量个网络层的输出特征进行组合得到组合特征，并利用所述判别模块确定所述组合特征所属类别。

4.如权利要求1所述的方法，还包括：

在所述对所述主干网络和所述域分类器进行联合训练之前，对所述主干网络进行初步有监督训练；

所述对所述主干网络和所述域分类器进行联合训练包括：当所述初步有监督训练进行第二预定数量次时，对所述主干网络和所述域分类器进行联合训练。

5.如权利要求1或4所述的方法，其中，所述对所述主干网络进行有监督训练包括：

获取多个无伪影CT图像；

分别对所述多个无伪影CT图像进行伪影仿真，得到针对所述多个无伪影CT图像的多个带仿真伪影的CT图像；

将所述多个带仿真伪影的CT图像作为多个训练样本组成训练集，其中，对于所述训练集中的任一训练样本，与所述任一训练样本对应的无伪影CT图像作为所述任一训练样本的标签；以及

利用带有所述标签的所述训练集对所述主干网络进行有监督训练。

6.如权利要求1所述的方法，其中，所述对所述域适应层和所述域分类器进行对抗训练包括：

将带仿真伪影的CT图像和带实际伪影的CT图像作为所述主干网络的输入，并利用所述域适应层和所述域分类器进行对抗训练，以使所述域适应层能够提取伪影特征且所述域分类器能够分辨仿真伪影和实际伪影。

7.如权利要求1所述的方法，其中，

所述第一损失函数包括l-范数；和/或

所述第二损失函数包括如下至少一项：原始GAN损失函数、WGAN损失函数、以及LSGAN损失函数。

8.一种图像处理方法，包括：

获取待处理的带伪影CT图像；

获取基于如权利要求1～7中任一项所述的用于训练神经网络的方法训练得到的目标神经网络；以及

基于所述目标神经网络对所述带伪影CT图像进行处理，以在去除所述带伪影CT图像中的伪影后得到伪影抑制CT图像。